1. GBDT概述
GBDT也是集成学习Boosting家族的成员,但是却和传统的Adaboost有很大的不同。回顾下Adaboost,我们是利用前一轮迭代弱学习器的误差率来更新训练集的权重,这样一轮轮的迭代下去。GBDT也是迭代,使用了前向分布算法,但是弱学习器限定了只能使用CART回归树模型,同时迭代思路和Adaboost也有所不同。
在GBDT的迭代中,假设我们前一轮迭代得到的强学习器是 ft−1(x) f t − 1 ( x ) , 损失函数是 L(y,ft−1(x)) L ( y , f t − 1 ( x ) ) , 我们本轮迭代的目标是找到一个CART回归树模型的弱学习器 ht(x) h t ( x ) ,让本轮的损失损失 L(y,ft−1(x))=L(y,ft−1(x)+ht(x)) L ( y , f t − 1 ( x ) ) = L ( y , f t − 1 ( x ) + h t ( x ) ) 最小。也就是说,本轮迭代找到决策树,要让样本的损失尽量变得更小。
GBDT的思想可以用一个通俗的例子解释,假如有个人30岁,我们首先用20岁去拟合,发现损失有10岁,这时我们用6岁去拟合剩下的损失,发现差距还有4岁,第三轮我们用3岁拟合剩下的差距,差距就只有一岁了。如果我们的迭代轮数还没有完,可以继续迭代下面,每一轮迭代,拟合的岁数误差都会减小。
从上面的例子看这个思想还是蛮简单的,但是有个问题是这个损失的拟合不好度量,损失函数各种各样,怎么找到一种通用的拟合方法呢?
2. GBDT的负梯度拟合
在上一节中,我们介绍了GBDT的基本思路,但是没有解决损失函数拟合方法的问题。针对这个问题,大牛Freidman提出了用损失函数的负梯度来拟合本轮损失的近似值,进而拟合一个CART回归树。第t轮的第i个样本的损失函数的负梯度表示为
rti=−[∂L(yi,f(xi))∂f(xi)]f(x)=ft−1(x) r t i = − [ ∂ L ( y i , f ( x i ) ) ∂ f ( x i ) ] f ( x ) = f t − 1 ( x )
利用
(xi,rti)(i=1,2,…m)
(
x
i
,
r
t
i
)
(
i
=
1
,
2
,
…
m
)
,我们可以拟合一颗CART回归树,得到了第t颗回归树,其对应的叶节点区域
Rtj,j=1,2,..J
R
t
j
,
j
=
1
,
2
,
.
.
J
。其中J为叶子节点的个数。
针对每一个叶子节点里的样本,我们求出使损失函数最小,也就是拟合叶子节点最好的的输出值ctj如下:
ctj=argminc∑xi∈RtjL(yi,ft−1(xi)+c) c t j = a r g m i n ⏟ c ∑ x i ∈ R t j L ( y i , f t − 1 ( x i ) + c )
这样我们就得到了本轮的决策树拟合函数如下:
ht=∑j=1JctjI(x∈Rtj) h t = ∑ j = 1 J c t j I ( x ∈ R t j )
从而本轮最终得到的强学习器的表达式如下:
ft(x)=ft−1(x)+∑j=1JctjI(x∈Rtj) f t ( x ) = f t − 1 ( x ) + ∑ j = 1 J c t j I ( x ∈ R t j )
通过损失函数的负梯度来拟合,我们找到了一种通用的拟合损失误差的办法,这样无轮是分类问题还是回归问题,我们通过其损失函数的负梯度的拟合,就可以用GBDT来解决我们的分类回归问题。区别仅仅在于损失函数不同导致的负梯度不同而已。
3. GBDT回归算法
好了,有了上面的思路,下面我们总结下GBDT的回归算法。为什么没有加上分类算法一起?那是因为分类算法的输出是不连续的类别值,需要一些处理才能使用负梯度,我们在下一节讲。
输入是训练集样本
T={(x1,y1),(x2,y2),…(xm,ym)}
T
=
{
(
x
1
,
y
1
)
,
(
x
2
,
y
2
)
,
…
(
x
m
,
y
m
)
}
, 最大迭代次数
T
T
, 损失函数。
输出是强学习器
f(x)
f
(
x
)
- 初始化弱学习器
f0=argminc∑i=1mL(yi,c) f 0 = a r g m i n ⏟ c ∑ i = 1 m L ( y i , c ) - . 对迭代轮数 t=1,2,...T t = 1 , 2 , . . . T 有:
a)对样本
i=1,2,...m
i
=
1
,
2
,
.
.
.
m
,计算负梯度
rti=−[∂L(yi,f(xi))∂f(xi)]f(x)=ft−1(x)
r
t
i
=
−
[
∂
L
(
y
i
,
f
(
x
i
)
)
∂
f
(
x
i
)
]
f
(
x
)
=
f
t
−
1
(
x
)
b)利用 (xi,rti)(i=1,2,…m) ( x i , r t i ) ( i = 1 , 2 , … m ) , 拟合一颗CART回归树,得到第t颗回归树,其对应的叶子节点区域为 Rtj,j=1,2,..J R t j , j = 1 , 2 , . . J 。其中J为回归树t的叶子节点的个数。
c) 对叶子区域
j=1,2,..J
j
=
1
,
2
,
.
.
J
,计算最佳拟合值
ctj=argminc∑xi∈RtjL(yi,ft−1(xi)+c)
c
t
j
=
a
r
g
m
i
n
⏟
c
∑
x
i
∈
R
t
j
L
(
y
i
,
f
t
−
1
(
x
i
)
+
c
)
d) 更新强学习器
ft(x)=ft−1(x)+∑j=1JctjI(x∈Rtj)
f
t
(
x
)
=
f
t
−
1
(
x
)
+
∑
j
=
1
J
c
t
j
I
(
x
∈
R
t
j
)
3. 得到强学习器f(x)的表达式
f(x)=fT=f0(x)+∑t=1T∑j=1JctjI(x∈Rtj)
f
(
x
)
=
f
T
=
f
0
(
x
)
+
∑
t
=
1
T
∑
j
=
1
J
c
t
j
I
(
x
∈
R
t
j
)
算法第一步获得使得损失函数最小的常数估计值,是一个只有根节点的树;2(a)计算损失函数的负梯度在当前模型的值,将它作为残差估计,2(b)利用 xi x i 和2(a)中得到的残差组成新的集合 (xi,rti) ( x i , r t i ) 来拟合一个CART回归树,逼近残差的近似值,2(c)利用线性搜索估计回归树叶节点区域的值,使损失函数最小化,2(d)更新回归树;第三步获得输出的最终模型。2(a),2(b)可相当于CART回归树生成算法。
4. GBDT分类算法
这里我们再看看GBDT分类算法,GBDT的分类算法从思想上和GBDT的回归算法没有区别,但是由于样本输出不是连续的值,而是离散的类别,导致我们无法直接从输出类别去拟合类别输出的误差。
为了解决这个问题,主要有两个方法,一个是用指数损失函数,此时GBDT退化为Adaboost算法。另一种方法是用类似于逻辑回归的对数似然损失函数的方法。也就是说,我们用的是类别的预测概率值和真实概率值的差来拟合损失。本文仅讨论用对数似然损失函数的GBDT分类。而对于对数似然损失函数,我们又有二元分类和多元分类的区别。
4.1 二元GBDT分类算法
对于二元GBDT,如果用类似于逻辑回归的对数似然损失函数,则损失函数为:
L(y,f(x))=log(1+exp(−yf(x)))
L
(
y
,
f
(
x
)
)
=
log
(
1
+
e
x
p
(
−
y
f
(
x
)
)
)
其中
y∈{−1,+1}
y
∈
{
−
1
,
+
1
}
。则此时的负梯度误差为
rti=−[∂L(yi,f(xi))∂f(xi)]f(x)=ft−1(x)=yi(1+exp(yi,f(xi)))
r
t
i
=
−
[
∂
L
(
y
i
,
f
(
x
i
)
)
∂
f
(
x
i
)
]
f
(
x
)
=
f
t
−
1
(
x
)
=
y
i
(
1
+
e
x
p
(
y
i
,
f
(
x
i
)
)
)
对于生成的决策树,我们各个叶子节点的最佳残差拟合值为
ctj=argminc∑xi∈Rtjlog(1+exp(−yi(ft−1(xi)+c)))
c
t
j
=
a
r
g
m
i
n
⏟
c
∑
x
i
∈
R
t
j
log
(
1
+
e
x
p
(
−
y
i
(
f
t
−
1
(
x
i
)
+
c
)
)
)
由于上式比较难优化,我们一般使用近似值代替
ctj=∑xi∈Rtjrti∑xi∈Rtj|rti|(1−|rti|)
c
t
j
=
∑
x
i
∈
R
t
j
r
t
i
∑
x
i
∈
R
t
j
|
r
t
i
|
(
1
−
|
r
t
i
|
)
除了负梯度计算和叶子节点的最佳残差拟合的线性搜索,二元GBDT分类和GBDT回归算法过程相同。
4.2 多元GBDT分类算法
多元GBDT要比二元GBDT复杂一些,对应的是多元逻辑回归和二元逻辑回归的复杂度差别。假设类别数为K,则此时我们的对数似然损失函数为:
L(y,f(x))=−∑k=1Kyklogpk(x)
L
(
y
,
f
(
x
)
)
=
−
∑
k
=
1
K
y
k
log
p
k
(
x
)
其中如果样本输出类别为k,则
yk=1
y
k
=
1
。第k类的概率pk(x)的表达式为:
pk(x)=exp(fk(x))∑Kl=1exp(fl(x))
p
k
(
x
)
=
e
x
p
(
f
k
(
x
)
)
∑
l
=
1
K
e
x
p
(
f
l
(
x
)
)
集合上两式,我们可以计算出第t轮的第i个样本对应类别l的负梯度误差为
rtil=−[∂L(yi,f(xi))∂f(xi)]fk(x)=fl,t−1(x)=yil−pl,t−1(xi)
r
t
i
l
=
−
[
∂
L
(
y
i
,
f
(
x
i
)
)
∂
f
(
x
i
)
]
f
k
(
x
)
=
f
l
,
t
−
1
(
x
)
=
y
i
l
−
p
l
,
t
−
1
(
x
i
)
观察上式可以看出,其实这里的误差就是样本i对应类别l的真实概率和t−1轮预测概率的差值。
对于生成的决策树,我们各个叶子节点的最佳残差拟合值为
ctjl=argminctjl∑i=0m∑k=1KL(yk,ft−1,l(x)+∑j=0JcjlI(xi∈Rtj))
c
t
j
l
=
a
r
g
m
i
n
⏟
c
t
j
l
∑
i
=
0
m
∑
k
=
1
K
L
(
y
k
,
f
t
−
1
,
l
(
x
)
+
∑
j
=
0
J
c
j
l
I
(
x
i
∈
R
t
j
)
)
由于上式比较难优化,我们一般使用近似值代替
ctjl=K−1K∑xi∈Rtjlrtil∑xi∈Rtjl|rtil|(1−|rtil|)
c
t
j
l
=
K
−
1
K
∑
x
i
∈
R
t
j
l
r
t
i
l
∑
x
i
∈
R
t
j
l
|
r
t
i
l
|
(
1
−
|
r
t
i
l
|
)
除了负梯度计算和叶子节点的最佳残差拟合的线性搜索,多元GBDT分类和二元GBDT分类以及GBDT回归算法过程相同。
5. GBDT常用损失函数
这里我们再对常用的GBDT损失函数做一个总结。
对于分类算法,其损失函数一般有对数损失函数和指数损失函数两种:
a) 如果是指数损失函数,则损失函数表达式为
L(y,f(x))=exp(−yf(x))
L
(
y
,
f
(
x
)
)
=
e
x
p
(
−
y
f
(
x
)
)
其负梯度计算和叶子节点的最佳残差拟合参见Adaboost原理篇。
b) 如果是对数损失函数,分为二元分类和多元分类两种,参见4.1节和4.2节。
对于回归算法,常用损失函数有如下4种:
a)均方差,这个是最常见的回归损失函数了
L(y,f(x))=(y−f(x))2
L
(
y
,
f
(
x
)
)
=
(
y
−
f
(
x
)
)
2
b)绝对损失,这个损失函数也很常见
L(y,f(x))=|y−f(x)|
L
(
y
,
f
(
x
)
)
=
|
y
−
f
(
x
)
|
对应负梯度误差为:
sign(yi−f(xi))
s
i
g
n
(
y
i
−
f
(
x
i
)
)
c) Huber损失,它是均方差和绝对损失的折衷产物,对于远离中心的异常点,采用绝对损失,而中心附近的点采用均方差。这个界限一般用分位数点度量。损失函数如下:
L(y,f(x))=⎧⎩⎨12(y−f(x))2,|y−f(x)|⩽δδ(|y−f(x)|−δ2),|y−f(x)|>δ
L
(
y
,
f
(
x
)
)
=
{
1
2
(
y
−
f
(
x
)
)
2
,
|
y
−
f
(
x
)
|
⩽
δ
δ
(
|
y
−
f
(
x
)
|
−
δ
2
)
,
|
y
−
f
(
x
)
|
>
δ
对应的负梯度误差为:
r(yi,f(xi))={yi−f(xi),|y−f(x)|⩽δδsign(yi−f(xi)),|y−f(x)|>δ r ( y i , f ( x i ) ) = { y i − f ( x i ) , | y − f ( x ) | ⩽ δ δ s i g n ( y i − f ( x i ) ) , | y − f ( x ) | > δ
d) 分位数损失。它对应的是分位数回归的损失函数,表达式为
L(y,f(x))=∑y⩾f(x)θ|y−f(x)|+∑y<f(x)(1−θ)|y−f(x)|
L
(
y
,
f
(
x
)
)
=
∑
y
⩾
f
(
x
)
θ
|
y
−
f
(
x
)
|
+
∑
y
<
f
(
x
)
(
1
−
θ
)
|
y
−
f
(
x
)
|
其中θ为分位数,需要我们在回归前指定。对应的负梯度误差为:
r(yi,f(xi))={θ,yi⩾f(xi)θ−1,yi<f(xi)
r
(
y
i
,
f
(
x
i
)
)
=
{
θ
,
y
i
⩾
f
(
x
i
)
θ
−
1
,
y
i
<
f
(
x
i
)
对于Huber损失和分位数损失,主要用于健壮回归,也就是减少异常点对损失函数的影响。
6. GBDT的正则化
和Adaboost一样,我们也需要对GBDT进行正则化,防止过拟合。GBDT的正则化主要有三种方式。
第一种是和Adaboost类似的正则化项,即步长(learning rate)。定义为ν,对于前面的弱学习器的迭代
fk(x)=fk−1(x)+hk(x)
f
k
(
x
)
=
f
k
−
1
(
x
)
+
h
k
(
x
)
如果我们加上了正则化项,则有
fk(x)=fk−1(x)+vhk(x)
f
k
(
x
)
=
f
k
−
1
(
x
)
+
v
h
k
(
x
)
v
v
的取值范围为。对于同样的训练集学习效果,较小的ν意味着我们需要更多的弱学习器的迭代次数。通常我们用步长和迭代最大次数一起来决定算法的拟合效果。
第二种正则化的方式是通过子采样比例(subsample)。取值为(0,1]。注意这里的子采样和随机森林不一样,随机森林使用的是放回抽样,而这里是不放回抽样。如果取值为1,则全部样本都使用,等于没有使用子采样。如果取值小于1,则只有一部分样本会去做GBDT的决策树拟合。选择小于1的比例可以减少方差,即防止过拟合,但是会增加样本拟合的偏差,因此取值不能太低。推荐在[0.5, 0.8]之间。
使用了子采样的GBDT有时也称作随机梯度提升树(Stochastic Gradient Boosting Tree, SGBT)。由于使用了子采样,程序可以通过采样分发到不同的任务去做boosting的迭代过程,最后形成新树,从而减少弱学习器难以并行学习的弱点。
第三种是对于弱学习器即CART回归树进行正则化剪枝。在决策树原理篇里我们已经讲过,这里就不重复了。
7. GBDT小结
GBDT终于讲完了,GDBT本身并不复杂,不过要吃透的话需要对集成学习的原理,决策树原理和各种损失函树有一定的了解。由于GBDT的卓越性能,只要是研究机器学习都应该掌握这个算法,包括背后的原理和应用调参方法。目前GBDT的算法比较好的库是xgboost。当然scikit-learn也可以。
最后总结下GBDT的优缺点。
GBDT主要的优点有:
- 可以灵活处理各种类型的数据,包括连续值和离散值。
- 在相对少的调参时间情况下,预测的准备率也可以比较高。这个是相对SVM来说的。
- 使用一些健壮的损失函数,对异常值的鲁棒性非常强。比如 Huber损失函数和Quantile损失函数。
GBDT的主要缺点有:
由于弱学习器之间存在依赖关系,难以并行训练数据。不过可以通过自采样的SGBT来达到部分并行。
以上就是GBDT的原理总结,后面会讲GBDT的scikit-learn调参,敬请期待。
参考
本文转载自https://www.cnblogs.com/pinard/p/6140514.html#!comments#undefined
同时也可参考https://blog.csdn.net/shine19930820/article/details/65633436